DeepSeek lanza V4.1-Flash-1017 y abre su Search API a $0,75 por 1000 llamadas

El 17 de octubre de 2026, DeepSeek lanzó DeepSeek-V4.1-Flash-1017, una versión actualizada del modelo Flash de la línea V4.1. Según la compañía, obtiene mejores resultados en benchmarks, completa las tareas más rápido y escribe respuestas más cortas que la versión anterior. El modelo ya funciona en la web, en la aplicación y en la API, y sus pesos son abiertos. Al mismo tiempo, DeepSeek ha hecho públicas las API Search y Fetch, con un precio de $0,75 por 1000 llamadas en cada endpoint.

Mejora de Pareto: sube la calidad, baja el coste de la tarea

La tesis central del lanzamiento es que Flash-1017 supera a su predecesor en dos ejes a la vez: rendimiento y coste. En economía, esto se conoce como mejora de Pareto: la ganancia en un aspecto no se paga con una pérdida en otro. Para los escenarios agénticos, esto importa. En este tipo de tareas, los tokens no se gastan en una sola respuesta, sino en largas cadenas de pasos, de modo que unas salidas más cortas reducen directamente la factura.

La compañía presenta un gráfico de DeepSWE v1.1: Pass@1 frente al coste de una tarea. Las mediciones se hicieron con el harness mini-swe-v2. El anuncio no incluye cifras exactas, así que, por ahora, habrá que evaluar la magnitud de la mejora por cuenta propia, con las tareas de cada uno.

El modelo se ha optimizado para DeepSeek Harness, Tencent CodeBuddy y WorkBuddy. Para obtener el mejor resultado, DeepSeek recomienda actualizar Harness a la versión v0.2.1-rc.1 o posterior.

Construcción de proyectos desde cero con RL y autorretroalimentación

En el entrenamiento de Flash-1017 se aplicó aprendizaje por refuerzo con autorretroalimentación. El objetivo es el desarrollo de proyectos de extremo a extremo, desde juegos hasta modelado 3D. DeepSeek mostró cuatro ejemplos:

• un modelo 3D de la Ciudad Prohibida;
• un juego de carreras para navegador;
• una recreación de Portal 2 en el motor Godot;
• Valley of Ages, una escena 3D sobre la evolución desde la prehistoria hasta la actualidad.

Son demostraciones del propio desarrollador y todavía no hay verificación independiente. Aun así, la elección de los ejemplos indica la dirección: la compañía quiere que el modelo tenga presente todo el proyecto, y no solo una función aislada. En escenas 3D y juegos, eso implica combinar código, assets, estructura de la escena y lógica. El propio nombre del lanzamiento lo dice: wish-driven programming, es decir, programación guiada por deseos.

Search y Fetch: un buscador propio como producto

La segunda parte del anuncio es comercial. Las API Search y Fetch ya están abiertas a todos. DeepSeek afirma que funcionan sobre su propio motor de búsqueda, que atiende cada día a cientos de millones de consultas en todo el mundo. Es una señal notable: la compañía no vende solo un modelo, sino también la infraestructura con la que un agente navega por internet.

Las condiciones son estas:

• precio: $0,75 por 1000 llamadas en cada endpoint, es decir, Search y Fetch se pagan por separado;
• periodo gratuito: las llamadas a través de las herramientas de servidor en DeepSeek Harness, Claude Code y Codex son gratuitas para los usuarios de la API de DeepSeek;
• inicio de la tarificación: 31 de octubre de 2026, 16:00 UTC;
• documentación: sección API Guides, Search & Fetch.

La mención de Claude Code y Codex es reveladora. DeepSeek se integra en agentes de programación ajenos y compite por la capa de «modelo más búsqueda» allí donde los desarrolladores ya trabajan.

Cómo probarlo y en qué fijarse

El modelo está disponible en Hugging Face (deepseek-ai/DeepSeek-V4.1-Flash-1017) y en ModelScope, por lo que se puede desplegar en local o en un clúster propio. Si usa DeepSeek Harness, actualícelo primero a v0.2.1-rc.1 o superior.

Si está construyendo agentes con acceso a la web, dispone de dos semanas de pruebas gratuitas de Search y Fetch. Conviene aprovecharlas para medir cuántas llamadas se hacen por tarea. A $0,75 por 1000 llamadas en cada endpoint, un agente que haga decenas de búsquedas y descargas de páginas por tarea generará una partida notable en el presupuesto.

Lo más recomendable es comparar Flash-1017 con la versión anterior por el coste de la tarea resuelta, y no por el precio del token. DeepSeek ha llevado al gráfico precisamente esa métrica, y es la que permite ver si la promesa de salidas más cortas y de una finalización más rápida se cumple.